DIV CSS 佈局教程網

您现在的位置: DIV+CSS佈局教程網 >> 網頁腳本 >  >> WEB網站前端 >> 關於網頁技巧
內容分析法實操:把海量用戶反饋變成可執行改進
編輯:關於網頁技巧     

淘寶最近在各個關鍵產品與購物流程中陸續加入了用戶反饋入口(圖 1),也開設了多個官方論壇收集意見,因此沉澱了大量純文本數據。這些數據該怎麼分析、如何真正指導產品改進?本文介紹把內容分析(content analysis)應用於網絡文本數據處理的理論基礎與實操方法。

圖 1:淘寶的用戶反饋入口

PART 1 理論基礎

內容分析,是指利用明晰的編碼規則,把大量文本信息轉化為定量數據,並歸入若干類別以分析信息特徵的方法。它有三個特點:

1)客觀性。不受主觀偏見影響,有標準化的研究過程,研究員對結果持開放態度。

2)系統性。取樣、分析、編碼等各環節都有統一、標準的規則與程序。

3)定性與定量結合。通過定性研究找出能反映內容本質的特徵,再把文本轉化為定量數據,結果可用頻次、百分比或相關係數等表示。

這種方法無需直接接觸研究對象,在傳播學、情報學、教育學等社會學科應用廣泛,但目的各異。基於本文的應用場景,我更傾向從情報學的角度界定它的目的:通過分析內容了解本質性事實與趨勢,並揭示隱性問題。換句話說,在用戶反饋分析中應用內容分析法,目的是對反饋信息做系統的歸納分類,整理問題點並評估嚴重性,從而有針對性地實施改進。

圖 2:內容分析流程圖

科研中還包含訓練編碼員、測量編碼員間可信度兩個環節。企業環境受時間與成本制約,這兩步可選擇性執行。

PART 2 實踐步驟與技巧

在企業用研中處理文本型反饋,最終目的是通過科學有效地總結問題來促進改進。因此有幾個前提:

1)編碼員(用戶研究員)必須對產品與項目的功能特徵有充分了解;

2)抽樣的時間點要依產品特點而定,比如是否剛經歷重大改版;

3)分類以及後續分析維度的建立,是研究員與產品經理等關鍵成員共同完成的。

下面以旺鋪升級後一周內的用戶反饋分析為例,走一遍完整流程。

第一步:明確分析目標與範圍

分析目標:收集、歸納用戶體驗問題及用戶看法。

分析範圍包括兩個維度:

  • 主題領域——以某個產品或某條流程的反饋為界;
  • 時間段——如改版後一周內、新功能上線一周後等。值得注意的是,產品大事件(發布、改版)期間收到的問題較多,反饋兩極化明顯;系統大事件(宕機等)期間問題較集中,反饋多為抱怨。

寫進報告時,它就變成一句簡短陳述,例如:旺鋪升級後一周內的用戶反饋總結。

第二步:決定抽樣樣本

需要確定三件事:

1)內容源:從哪裡抽(幫派?問卷?其他入口?)

2)時間:在該時間段內抽哪幾天(全段?隔天?隔周?)

3)內容:對內容做隨機或等距抽樣

這要求研究員對產品週期有充分認識。本例的樣本是:旺鋪升級後七天內,用戶通過旺鋪裝修頁面「提意見」入口提交的全部數據。

——>

圖 3:旺鋪用戶反饋收集入口

第三步:確定分析單位

分析單位是內容分析中的最小元素,必須給出明確、可操作性的定義。本例中,分析單位是「一名用戶陳述的一條意見」。注意,不能以一次提交的數據為單位——同一名用戶一次可能提交若干條意見,需要拆開,每條算一個單位。如圖 4,「刪除模塊刪完不能添加」與「發布完又回到裝修頁面」就是兩個分析單位。

圖 4:分析單位舉例

第四步:建立分類

分類是內容分析最關鍵的一步,直接決定後續定量分析是否有效。類別是基本單位,每個分析單位必須且只能歸入一個類別。學術研究通常依據理論或參考前人結果分類;企業用研則要求對產品有充分了解,並與產品經理合作制定分類框架——因為這樣才方便把問題分派給具體負責人。

窮盡與互斥是兩大原則。分類應覆蓋可能的問題範圍,但由於事前無法預知全部內容,最好設立「其它」類以滿足窮盡性;若有 10% 以上的分析單位落入「其它」,說明分類不當。類與類之間不能重疊,若某個單位可同時歸入兩類,要麼分類有問題,要麼分析單位界定不準。

分幾類合適?類別太多會讓某些類樣本過少而失去統計意義;類別太少則會把性質不同的問題混在一起,掩蓋顯著差異。考慮到合並比拆分容易,建議寧多勿少。實在無從下手時,可以先試編碼 50 到 100 條分析單位。

圖 5:旺鋪用戶反饋的分類與說明

本例的分類以「問題解決方」為基礎維度——系統問題交開發、功能需求交產品經理、交互問題交設計師,這樣便於推動改進。對頁面或功能有限的產品,也可以按頁面或功能分類。本例針對功能與頁面的劃分體現在二級編碼中。

第五步:制作編碼表並試編碼

編碼表是在大分類基礎上的細化,目的是更好地聚焦問題。這一步要盡可能細致全面,才能保證數據分析有效;每個編碼的含義都要有說明,尤其在編碼者不止一人的情況下。本例中,「功能需求」這一類的部分編碼如圖 6,原則是盡可能覆蓋所有功能;而「系統問題」與「交互體驗問題」的子編碼,則依內容特點換了另外的維度。

圖 6:編碼表示例

編碼表做好後,抽取 50 到 100 條分析單位試編碼(coding),檢驗是否夠細夠全。實際編碼過程中也常發現編碼不夠用,此時只能新增編碼,並對該分類下的所有單位重新編碼。所幸——這也是內容分析的優點之一——即使中途發現問題,也能在不影響數據準確性與完整性的情況下彌補。問卷調研或現場實驗一旦實施,出錯就只能推翻重來。

第六步:收集數據、實施編碼

按既定範圍與抽樣標準提取數據,通常導入 EXCEL 處理。本例中每條用戶意見對應一行(圖 7)。

圖 7:原始數據示例

然後開始逐條編碼,這是純人工過程。目前也有些文本分析軟件可輔助,但基於分詞技術的工具智能程度有限,且聚類分析對樣本量有要求(至少上萬條),更適合海量文本的粗分類。

編碼時可借助 EXCEL 的文本篩選功能,比如「包含某關鍵詞」的篩選方式(圖 8),能明顯提高效率。過程中還要清理無意義的分析單位——本例中就有用戶在反饋裡打自家店鋪廣告。

圖 8:文本篩選功能示例

初步編碼結果如下,接著便可進入分析與報告階段。

圖 9:編碼結果示例

第七步:分析並輸出結果

分析分兩部分。定量部分使用描述性統計,計算各分類條目與各碼類的頻數、百分比;若能結合其他變量(如用戶星級),還可做交叉分析、卡方檢驗、t 檢驗、方差分析等。定性部分則是把某子編碼下的所有條目梳理一遍,總結出問題點。

要注意,頻數與百分比不是衡量嚴重程度的唯一指標。比如我們發現「系統問題」這一類反饋量很大,但內容基本只集中在發布失敗與速度慢兩點;「功能需求」這一類總數相對較少,卻涉及十幾種不同問題。因此只有定性與定量結合,才能反映各分類對整體體驗的貢獻度,以及問題是聚焦還是分散。

圖 10:反饋總結示例

更深入一層的分析,是對表象背後隱含問題的推斷,例如圖 11 所示的情況。

圖 11:深層分析示例

在企業裡,內容分析報告的輸出形式更靈活,關鍵在於有效傳達問題、推動解決。用戶的原話往往比研究員的歸納更具衝擊力,也更容易引起同理心。本例的輸出物包括:

  • 原始數據 EXCEL 表,按分類拆到不同 sheet(圖 11)。每張 sheet 可通過篩選查看某一方面的用戶原話。此時要把編碼反向轉寫成文字描述以便理解。
    圖 12:EXCEL 輸出物示例
  • 用戶反饋總結 PPT,把各分類中的問題匯總羅列,用於向項目組宣講並探討方案。陳述問題時可引用典型原話——若十個人反映同一問題,選表達最清晰或情緒最強烈的那句。

小結

本文介紹了內容分析法及其在企業用戶研究中的應用步驟與技巧。

它的優點是:相比實驗法、問卷法更省人力物力;內容可被重複分析,可靠性較高;無需直接接觸研究對象;操作過程若出問題,錯誤容易彌補。

缺點也很清楚:人為因素(如何分類、如何編碼)會極大影響結果;編碼工作耗時長且枯燥。

XML學習教程| jQuery入門知識| AJAX入門| Dreamweaver教程| Fireworks入門知識| SEO技巧| SEO優化集錦|
Copyright © DIV+CSS佈局教程網 All Rights Reserved